以往对全尾砂膏体屈服应力的研究局限于理想屈服应力流体框架内，认为一定材料配比条件下，膏体的屈服应力是确定的，即认为屈服应力是膏体料浆固有的一个物理属性值。通过开展不同质量分数全尾砂膏体屈服应力测量实验，分析了测量速率与测量时间对不同浓度膏体屈服应力的影响，发现屈服应力值的大小与测量过程相关。对比分析峰值屈服应力、动态屈服应力、静态屈服应力，发现全尾砂膏体屈服应力随测量时间–测量速率在一定条件下的变化规律，即峰值屈服应力、静态屈服应力正比于膏体的测量速率，动态屈服应力反比于测量时间，以变异系数Cv评价料浆屈服应力的离散程度，其中74%质量分数膏体动态屈服应力变异系数最大，Cvmax=27.07%，而66%质量分数膏体静态屈服应力变异系数最小，Cvmin=2.33%。进而从细观层面分析了膏体屈服过程中颗粒间作用力、颗粒网络结构随测量时间–测量速率的变化规律，解释了全尾砂膏体屈服应力易变性机理

15.1电分析化学的分类 15.1.1电导分析法 根据溶液的电导性质进行分析 电导法:直接根据溶液的电导或电阻与被测离 子浓度的关系进行分析 电导滴定法:根据溶液电导的变化来确定滴定 终点的定量分析法

针对赤铁矿渣中存在杂质，影响其综合回收利用的问题，开展赤铁矿渣高温水热法脱杂，制备铁红的研究。研究了不同酸度、温度、时间和液固比条件，对铁红产品中铁、锌、硫含量以及锌、硫脱除率和铁溶出率的影响。实验结果表明：pH值为1，温度220 ℃，保温时间3 h，液固比6∶1，转速400 r·min?1条件下，铁红产品中铁质量分数由58.66%上升为66.83%；赤褐铁类矿物含铁由占总铁质量分数94.05%，上升为97.79%；硫质量分数由2.96%下降至0.82%；锌质量分数由1.03%下降至0.18%。经X射线衍射检测，与赤铁矿渣相比，铁红产品中氧化铁信号峰值提高，杂峰减少。通过扫描电镜/能量散射X射线分析，铁红产品表面附着的硫酸盐等杂质经高温水热法处理后明显减少；实验前后，赤铁矿渣与铁红产品颗粒形貌与大小没有发生变化。实验处理后的铁红产品经检测，满足国家标准氧化铁红含铁量C级，水溶物和水溶性氯化物及硫酸盐含量III型，筛余物2型，105 ℃挥发物V2型，来源a型标准

一、学习者特征分析概述 二、认知发展特征分析 三、学习者的起点水平分析 四、学习者学习风格的分析

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性

通过密炼?注塑成型工艺制备了不同苎麻纤维含量的聚乳酸基复合材料，研究了纤维含量对复合材料性能的影响规律，并揭示了纤维增强机理。研究表明，苎麻纤维的添加提高了复合材料的耐热性能，尤其是当纤维质量分数为40%时，复合材料的热变形温度提高了10.5%。此外，苎麻纤维均匀地分散在基体中，由于纤维与聚乳酸的界面强度较弱，断面上有大量的纤维拔出和纤维孔洞；差示扫描量热仪测试表明高含量的纤维限制了聚乳酸分子链的运动，促进复合材料形成更加致密完善的晶核；同时，流变行为也表明苎麻纤维含量的增加有助于提高复合材料的黏弹响应和复合黏度；最后，苎麻纤维的加入提高了复合材料的拉伸和弯曲强度，且随纤维含量的增加而增大。与聚乳酸相比，当纤维质量分数为40%时复合材料的拉伸和弯曲强度分别提高了30%和21.9%

一、自然界中,化学物质的分解方式: 1、光分解:在紫外线具有吸收的化合物,吸收太阳光的短波而分解; 2、化学分解:在温度、pH、金属离子,土壤矿物的作用下而产生的化学分解;

课程简介:本课程共分五部分,第一部分绪论,介绍本门课程的性质、地位和内容;第二部分园林植物的繁殖;第三部分花卉生产;第四部分草坪与地被植物生产;第五部分园林树木生产;使学生明确园林植物的概念与范畴,了解园林植物生产的目的与效果,激发学生学习本门课程的热情。第二部分园林植物的 繁殖,包括有性繁殖和无性繁殖。种子处理、播种技术、扦插、嫁接、压条、分 株、组织培养等,这部分内容是园林植物生产的基础和关键。第三部分花卉生 产,首先将花卉进行分类,再分别对露地花卉、温室花卉和切花花卉的形态、习 性、繁殖方法、栽培管理技术以及园林应用等作以详细阐述。第四部分草坪与地 被植物生产,介绍北方常见草坪草与地被植物的种类、习性及相应的栽培管理与 养护措施。第五部分园林树木生产,按园林应用将园林树木分类,并对园林树木 的栽培措施和不同种类树木(乔木、灌木、藤木)的形态、习性、繁殖方法、培育措施和园林应用分别论述

针对目前锂离子电池寿命预测结果不准确的问题，提出了一种多模态分解的锂离子电池组合预测模型，从而学习锂离子电池退化过程的微小变化。该方法在单一长短期记忆（LSTM）预测模型的基础上，采用了自适应噪声完全集成的经验模态分解(CEEMDAN)算法将锂电池容量分为主退化趋势和若干局部退化趋势，然后使用长短期记忆神经网络（LSTMNN）算法分别对所分解的若干退化数据进行寿命预测，最后将若干预测结果进行有效集成。结果表明，所提出的CEEMDAN?LSTM锂离子电池组合预测模型最大平均绝对百分比误差不超过1.5%，平均相对误差在3%以内，且优于其他预测模型

含铜取向硅钢是一种成本低、成品率高的新型CGO取向硅钢.其制备工艺明显区别于主流的低温加热渗氮高磁感（HiB）取向硅钢，其产品的磁性能波动范围显著高于低温渗氮钢.本文对实际生产中收集到的一些含铜CGO钢成品板中的组织与磁性能进行研究分析，尝试建立不同组织和磁性能相互间的对应关系，并对磁性能波动现象进行分析.分析结果表明，含铜CGO钢成品板组织与抑制剂有明确的对应关系，而晶粒尺寸与Goss晶粒取向度并不完全呈对应关系.同时对热轧板中的异常组织进行了深入研究，认为热轧板表层脱碳区和中心层粗大形变晶粒的存在，直接影响了抑制剂的分布，导致最终成品板中组织和磁性能的波动